Blogue

Guia de uso

Receitas de prompts para vídeo a partir de imagem do Kling 3.0 Omni: modelos prontos para copiar e colar para desenvolvedores

Estrutura de primeiro/último quadro, formulação de movimento de câmera, pistas de áudio nativo e lista negativa de estabilidade — com clipes reais gerados

Nov 10, 2026
Fitas finas de latão e verde entrelaçadas formando uma treliça aberta sobre um fundo verde quase preto; arte de capa para um guia de receitas de prompts do Kling.
Nesta página
Demonstração do primeiro quadro até o movimento, gerada com kling-3.0-omni imagem para vídeo — é exatamente esta receita de prompt pronta para copiar e colar que o artigo detalha.

Por que a estrutura do prompt importa mais que o comprimento

A maioria dos prompts de imagem para vídeo falha não porque são curtos demais, mas porque não têm ordem. Um texto que mistura descrição do sujeito, intenção de câmera, atmosfera sonora e instruções de correção não oferece ao modelo um mapeamento determinístico do texto para o movimento. Quando o clipe gerado dá errado, você não consegue identificar qual frase causou o problema — então não consegue corrigir, só regerar.

A solução prática é a disciplina de seções. Trate o prompt como um contrato fixo de cinco blocos, sempre na mesma ordem:

  1. Ancoragem de quadros — qual imagem é o quadro inicial, qual é o final e quão rígida é essa vinculação.
  2. Sujeito — quem ou o que está na cena e quais detalhes de identidade devem permanecer inalterados durante a transição.
  3. Movimento — o que muda fisicamente entre os dois quadros, expresso em termos temporais simples.
  4. Câmera — como o ponto de vista se move (ou permanece explicitamente estático).
  5. Áudio + negativo — pistas de som nativo e, depois, os modos de falha a suprimir.

Essa ordem acompanha a forma como o modelo interpreta as restrições: primeiro fixa os quadros, depois decide o que se move, em seguida decide onde o espectador está e, por fim, preenche a saída não visual. Colocar áudio e negativo no final significa que instruções sobre som ou correção não interferem no raciocínio visual.

Para equipes de engenharia, o retorno é a reprodutibilidade. Um esqueleto estável significa que o diff entre duas versões do prompt é legível: você alterou a linha da câmera, não o bloco inteiro. Isso também significa que os prompts se tornam parâmetros em vez de prosa — você pode transformá-los em templates, versioná-los e fazer testes A/B no pipeline, que é a direção construída nas próximas seções.

Comprimento é sintoma, não alavanca. Um prompt de 60 palavras escrito em ordem fixa supera um parágrafo de 200 palavras com adjetivos empilhados no início. Primeiro comprima cada prompt existente nesses cinco espaços e remova tudo o que não couber neles.

Receita base: esqueleto de prompt pronto para copiar e colar

A seguir está o esqueleto padrão. Cole-o, preencha o conteúdo entre colchetes e remova os espaços que você realmente não precisa — mas mantenha a ordem.

[FRAME ANCHOR]
Start frame: the provided image, preserved exactly.
End frame: [describe end state, or "none — open-ended continuation"].
Transition: [smooth continuous | single cut-free motion | holds start pose].

[SUBJECT]
[Subject identity + 2-3 invariant details that must not change].

[MOTION]
[What moves, direction, and how far — one sentence per moving element].

[CAMERA]
[Static locked-off shot | slow push-in | left-to-right pan | gentle orbit].
Pace: [slow and even | builds to a faster finish].

[AUDIO]
Ambience: [environment sound].
Music: [feel, not genre-name dropping].
Sync: [what the audio should land on].

[NEGATIVE]
flicker, morphing, warping text, extra limbs, identity drift

Um exemplo preenchido — tomada de produto de uma caneca de cerâmica no parapeito da janela:

[FRAME ANCHOR]
Start frame: the provided image, preserved exactly.
End frame: same cup, steam gone, light shifted warmer.
Transition: smooth continuous motion, no cuts.

[SUBJECT]
Matte white ceramic cup, thin dark rim, wooden windowsill.

[MOTION]
Steam thins and disappears over the shot; curtain edge drifts slightly.

[CAMERA]
Static locked-off shot, very slow push-in.
Pace: slow and even.

[AUDIO]
Ambience: quiet room tone, faint birds outside.
Music: soft, sparse, low volume.
Sync: birds chirp as steam vanishes.

[NEGATIVE]
flicker, morphing, warping text, extra limbs, identity drift

Executado via kling-3.0-omni/image-to-video, gera um clipe em que a caneca continua sendo uma caneca, a mudança é claramente perceptível e o áudio sustenta em vez de competir. Funciona porque cada oração faz apenas uma coisa: a ancoragem restringe a geometria, o sujeito protege a identidade, o movimento é a única coisa autorizada a mudar, a câmera é declarada e não implícita, e o negativo atua como um portão separado.

Mantenha dois hábitos: escreva o movimento em ordem cronológica ("afina e depois desaparece") e nunca deixe câmera e sujeito brigarem — se o sujeito caminha para a esquerda, não orbite rapidamente para a esquerda ao mesmo tempo, a menos que queira desestabilizar o enquadramento.

Disciplina dos espaços

Cada espaço deve conter apenas sua própria preocupação. Se você se pegar escrevendo "a câmera se aproxima lentamente enquanto o vapor da caneca se transforma em um pássaro", você fundiu câmera e movimento em uma única oração e perdeu a capacidade de ajustar qualquer um dos dois separadamente. Separe-os.

Receitas de primeiro e último quadro

Vídeo a partir de imagem com dois quadros é um problema de interpolação, não de geração. O trabalho do modelo é encontrar um caminho plausível entre dois estados fixos. A falha ocorre quando o prompt descreve uma cena em vez de uma transição — o modelo então reinterpreta o conteúdo e o ponto final deriva.

Receita: extremos rígidos, invenção mínima

Use quando ambos os quadros existem e você quer que o modelo os conecte literalmente.

Start frame: provided image, preserved exactly.
End frame: provided image, preserved exactly.
The clip must begin on the start frame and end on the end frame.
Do not introduce new subjects or objects. Only intermediate motion.
Transition: continuous, no cuts, no scene change.
Motion: [the single physical change that carries start to end].
Camera: static locked-off shot.

A frase-chave é apenas movimento intermediário. Ela diz ao modelo que os extremos são restrições, não sugestões. Declarar câmera estática remove outro grau de liberdade e torna a interpolação muito mais estável.

Receita: continuação aberta

Use quando você tem apenas o quadro inicial e quer uma extensão natural.

Start frame: provided image, preserved exactly.
End frame: none — open-ended continuation of the same scene.
Transition: continuous motion, same location, same lighting.
Motion: [primary action], resolving within the clip length.
Camera: [declared move].
Negative: scene change, new location, new characters.

Descreva o estado final quando não houver imagem final

Se não houver quadro final, mas você quiser um resultado direcional, descreva o estado final em termos de aparência, não de evento: "o líquido está parado, não flui mais", "a porta está totalmente aberta", "o vapor desapareceu". Estados visuais são verificáveis visualmente; descrições de eventos ("o personagem decide sair") induzem o modelo a inventar encenação.

Duas regras evitam a maioria das falhas de extremo:

  • Declare explicitamente a permanência do quadro inicial. "Preservado exatamente" é mais forte que "use a imagem como referência".
  • Mantenha o número de transições em uma. Se duas coisas precisam mudar, faça uma liderar e a outra seguir, escritas em sequência. Transições concorrentes são lidas como troca de cena, e o modelo regenera em vez de interpolar.

Formulação de movimento de câmera e ritmo

É aqui que prompts vagos costumam colapsar em deriva aleatória. A solução é nomear o movimento, o alvo e a velocidade para cada tomada — três palavras.

Movimentos com mapeamento claro

  • Aproximação — "slow push-in toward [subject], centered." Previsível, adequado para revelações de produto e retrato.
  • Afastamento — "slow pull-back revealing [context]." Use quando o quadro inicial for um detalhe.
  • Panorâmica — "left-to-right pan across [scene], constant speed." Sempre informe direção e constância.
  • Inclinação vertical — "gentle tilt up from [lower element] to [upper element]."
  • Órbita — "slow orbit around [subject], subject stays centered." A órbita é a que mais falha; a oração de centralização evita que o sujeito saia do enquadramento.
  • Estático — "static locked-off shot, no camera movement." Escreva mesmo que pareça óbvio.

Expresse ritmo sem números não verificáveis

Você não precisa adivinhar a contagem de quadros. Descreva o ritmo com advérbios que mapeiam para batidas: lento e uniforme, constante, acelera gradualmente até o final, assenta no último instante. Esses termos se traduzem em aceleração e desaceleração que combinam com o ritmo de vídeos curtos, sem exigir que você se comprometa com um instante que não pode medir.

Para o ritmo de vídeos curtos, o padrão confiável é um movimento de câmera por clipe. Uma aproximação que vira panorâmica e depois órbita parece um reel de demonstração, não uma tomada. Se precisar de um segundo movimento, ordene-os: "primeiro uma aproximação lenta, depois uma breve pausa".

Mantenha câmera e sujeito independentes

No prompt, sempre escreva em linhas separadas:

Camera: slow push-in toward the subject.
Pace: slow and even.
Motion: the subject turns slightly toward the camera.

Três linhas, três preocupações. Quando você as funde — "a câmera se aproxima enquanto o sujeito se vira" — perde a capacidade de mudar uma sem perturbar a outra, e pequenas edições produzem grandes flutuações imprevisíveis.

Por fim, declare o enquadramento quando for importante: "medium shot", "close-up", "wide establishing shot". O enquadramento é uma restrição barata que evita que o modelo recomponha no meio do clipe.

Dicas de áudio nativo

kling-3.0-omni/image-to-video gera áudio nativo junto com a imagem. O erro mais comum é misturar descrições de áudio nas frases de movimento, fazendo com que as pistas sonoras sejam lidas como instruções visuais. Coloque o áudio em seu próprio bloco e escreva apenas em termos sonoros.

Três espaços, sempre nesta ordem

Ambience: [continuous environment sound].
Music: [feel and density, not track names].
Sync: [what the audio should land on].

Ambiente é a base: ruído de sala, vento, zumbido da rua, água. Descreva-o como contínuo e em nível baixo, a menos que queira que se destaque.

Música deve ser descrita por sensação e densidade — "esparsa e suave", "pulso grave constante", "brilhante e leve". Nomear gêneros é mais fraco que descrever a textura, porque o modelo precisa mapear a frase para uma configuração sonora; adjetivos mapeiam de forma mais consistente que rótulos.

Sincronia é a ponte temporal. Nomeie um evento visual e o som que deve cair sobre ele: "um estalo leve quando a tampa fecha", "pássaros cantam quando o vapor desaparece". Um ou dois pontos de sincronia por clipe bastam. Além disso, o áudio fica movimentado demais e a imagem é puxada para corresponder a cada pista.

Pistas eficazes

  • Início: "o som começa junto com o movimento" — bom para clipes de entrada.
  • Fade-out: "o ambiente desaparece no final" — evita corte abrupto.
  • Ênfase: "um impacto suave quando [objeto] cai".
  • Contenção: "sem música, apenas ambiente" — uma escolha legítima e muitas vezes melhor.

Misture sem conflito

Se ambiente e música coexistem, declare a relação uma vez: "ambiente baixo, música por baixo". Isso custa uma oração e evita que as duas bases briguem.

Um alerta: não descreva áudio com onomatopeias ou nomes de efeitos sonoros. "Whoosh" e "ding" têm significados ambíguos em contextos diferentes. Descreva a fonte e a característica — "um sopro suave de tecido quando a cortina é levantada". O bloco de áudio deve soar como anotações de um designer de som, não como uma história em quadrinhos.

Lista negativa de estabilidade

O negativo é a camada de correção, não uma ferramenta criativa. Mantenha-o curto, direcionado e pronto para copiar e colar. A seguir está a lista base, seguida do modo de falha que cada termo visa.

flicker, morphing, warping text, extra limbs, identity drift,
scene change, jitter, frame tearing, duplicated objects

Modo de falha → termo

  • Tremulação de brilho entre quadros → flicker
  • Objeto derrete ou se funde entre quadros → morphing
  • Letreiros e legendas distorcidos → warping text
  • Mãos e membros se multiplicam ou colapsam → extra limbs
  • Rosto ou identidade do produto muda no meio do clipe → identity drift
  • Fundo regenerado como um novo local → scene change
  • Microtremores em uma tomada que deveria ser estática → jitter
  • Artefatos de borda nos limites dos quadros → frame tearing
  • Objetos duplicados por desfoque de movimento → duplicated objects

Negativos condicionais

Adicione estes apenas quando a falha realmente ocorrer — listas negativas longas demais diluem o efeito de cada termo:

  • Para quadros com muito texto: illegible text, scrambled letters
  • Para tomadas de produto: shape distortion, color shift
  • Para retratos: asymmetric face, warped eyes
  • Para câmera lenta: sudden motion, pop-in

Use a lista como checklist

Trate-a como uma verificação pré-voo, não como acessório do prompt. Antes de rodar um lote de tarefas, pergunte a quais modos de falha sua cena está exposta. Tomadas estáticas de produto precisam de proteções contra tremulação e distorção de forma; sujeitos em movimento precisam de termos de deriva de identidade e membros; quadros com texto precisam de termos de texto. Para todo o resto, use a lista base.

Quando um clipe falhar, mude apenas uma coisa — adicione um negativo ou restrinja uma linha de movimento — e execute de novo. Editar cinco negativos de uma vez não permite saber qual deles funcionou.

Adapte a receita para um pipeline de API

Prompts que vivem em um notebook não escalam. O último passo é transformar o esqueleto em uma string modelada com variáveis, para que a receita possa ser versionada, revisada e executada em lote pela API do HiAPI.

Transforme o esqueleto em template

PROMPT = """[FRAME ANCHOR]
Start frame: the provided image, preserved exactly.
End frame: {end_frame}.
Transition: {transition}.

[SUBJECT]
{subject}

[MOTION]
{motion}

[CAMERA]
{camera}
Pace: {pace}.

[AUDIO]
Ambience: {ambience}.
Music: {music}.
Sync: {sync}.

[NEGATIVE]
{negatives}
"""

Cada variável é um espaço da receita. O template em si nunca muda — apenas as variáveis — o que significa que o diff do prompt é um diff de uma linha e as regressões podem ser rastreadas até um espaço específico.

Armazene a receita como dados

Armazene cada receita como um dicionário com nome e versão:

recipes = {
  "product-static-v2": {
    "end_frame": "none — open-ended continuation",
    "subject": "matte white ceramic cup, thin dark rim",
    "motion": "steam thins and disappears",
    "camera": "static locked-off shot, very slow push-in",
    "pace": "slow and even",
    "ambience": "quiet room tone, faint birds",
    "music": "soft, sparse, low volume",
    "sync": "birds chirp as steam vanishes",
    "negatives": "flicker, morphing, warping text, extra limbs, identity drift",
  }
}

Dê nomes de versão significativos, não apenas números — product-static-v2 informa o que mudou; v2 não. Quando surgir uma nova falha, adicione uma nova versão em vez de editar no lugar, para que as saídas antigas permaneçam reproduzíveis.

Disciplina em lote

  • Durante o ajuste, renderize apenas uma variável por vez. Só execute em lote depois que a receita estiver estável.
  • Registre a string de prompt preenchida a cada saída. Sem isso, você não consegue atribuir um clipe ruim à causa.
  • Mantenha uma base negativa compartilhada, que a receita estende, nunca substitui.

Onde a API se encaixa

A estrutura da receita é voltada ao modelo, portanto pode ser passada intacta para kling-3.0-omni/image-to-video no HiAPI: você envia as entradas de quadro mais a string de prompt renderizada, e a ordem das seções que você impõe no template é a ordem das seções que o modelo vê. Esse é o sentido do esqueleto — ele é ao mesmo tempo documentação legível por humanos e a string exata em produção.

Comece com uma receita, crie versões para ela e deixe os nomes das variáveis falarem. Para detalhes de endpoint e nomes de parâmetros, consulte a documentação da API do HiAPI.

Artigos relacionados

Ver todos os artigos →

Comece a criar com artefactos de IA persistentes

Obtenha a sua chave de API e chame modelos de imagem, vídeo e áudio através de uma única API baseada em tasks.

Ler a documentação da API